本文關鍵詞：知識社區(qū)中專家貢獻度評價方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著Web2.0的快速發(fā)展,知識社區(qū)中專家與用戶之間的互動成為互聯(lián)網發(fā)展中流行的趨勢。在知識社區(qū)為用戶提供的個性化服務中,專家貢獻度的評價是知識社區(qū)研究中必不可少的一個部分。知識社區(qū)成為專家與用戶之間溝通的重要橋梁,這使得知識社區(qū)必須擁有大量的專家,豐富的知識庫資源以及能對用戶提交的新問題做出及時快速的回答。本文研究的知識社區(qū)中,用戶提交的問題是由擅長專業(yè)領域知識的專家來回答,在龐大的專家群中尋找出對知識社區(qū)做出卓越貢獻并且擁有很高權威程度的專家,可以促進知識社區(qū)的蓬勃發(fā)展,使得用戶提出的新問題得到及時有效地回答,同時能夠擴充知識社區(qū)的知識庫資源�？梢�,專家貢獻度的評價對知識社區(qū)的發(fā)展有著重要而深遠的意義,是知識社區(qū)繁榮發(fā)展的有效途徑之一。如何從海量的專家中識別出高質量的專家已經成為知識社區(qū)研究中的一項極為重要的工作。目前,專家貢獻度的評價方法主要是利用Google的核心技術鏈接分析以及LDA主題模型。本文詳細地研究了知識社區(qū)和專家貢獻度評價問題,通過引入專業(yè)領域滲透度的概念,并用專家的權威度和貢獻度對專家進行評價。以下是本文的主要工作:1.分析了知識社區(qū)中專家與用戶之間的問答鏈接結構,構建了專家與用戶之間的鏈接關系有向圖,使用LDA主題模型來挖掘問題答案所屬的專業(yè)領域主題分布和專家涉及的專業(yè)領域主題分布,形成適合知識社區(qū)中專家專業(yè)領域主題挖掘的模型。2.給出了一種基于專業(yè)領域滲透度的專家貢獻度評價方法。利用KL距離計算專業(yè)領域之間的相似度以及專家在各個專業(yè)領域的滲透度。在某一專業(yè)領域中評價專家的貢獻度時,綜合了專家在該專業(yè)領域的貢獻程度和在與該專業(yè)領域相近似專業(yè)領域中的滲透度,最終作為專家在知識社區(qū)中的貢獻度。3.針對PageRank算法中專家的貢獻度值均勻傳遞的問題,僅僅依靠專家與用戶之間的鏈接關系來排名的不足,結合知識社區(qū)中專家自身的行為特征,構建了專家的活躍度、專家的受歡迎度和專家的知識貢獻能力三個評價指標,添加到原有的算法中,改進了傳統(tǒng)的PageRank算法。通過來自百度知道的數(shù)據集,進行了兩種方法的實驗驗證,與幾種常用的專家權威度評價方法對比后,采用AP@10、MAP指標評估實驗效果,結果表明本文給出的方法提高了專家貢獻度評價的性能,專家在相近似專業(yè)領域的貢獻提高了專家在知識社區(qū)中問題答案所屬領域的專家貢獻的程度,而改進的PageRank算法中排名更準確。
【關鍵詞】：知識社區(qū) 專業(yè)領域滲透度 PageRank算法 專家貢獻度評價
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.09
【目錄】：

• 摘要6-7
• Abstract7-13
• 第1章 緒論13-19
• 1.1 研究背景和意義13-15
• 1.2 國內外研究現(xiàn)狀15-17
• 1.3 研究內容和創(chuàng)新點17-18
• 1.3.1 主要研究內容17
• 1.3.2 論文的創(chuàng)新點17-18
• 1.4 論文的整體結構18-19
• 第2章 相關知識和技術介紹19-33
• 2.1 知識社區(qū)19-23
• 2.1.1 知識社區(qū)的概述19-20
• 2.1.2 知識社區(qū)的發(fā)展20-22
• 2.1.3 知識社區(qū)的模塊及其功能22-23
• 2.2 專家貢獻度評價方法23-31
• 2.2.1 專家貢獻度評價問題概述23-25
• 2.2.2 專家權威度計算25-26
• 2.2.3 RageRank算法26-27
• 2.2.4 HITS算法27-29
• 2.2.5 狄利克雷分布模型29-31
• 2.3 方法性能評價標準31-32
• 2.3.1 平均正確率31
• 2.3.2 平均標準精度31-32
• 2.4 本章小結32-33
• 第3章 基于專業(yè)領域滲透度的專家貢獻度評價方法33-41
• 3.1 基于專業(yè)領域滲透度的專家貢獻度評價問題的描述33-36
• 3.2 知識社區(qū)中專家貢獻度評價方法的介紹36-37
• 3.2.1 基于專業(yè)領域滲透度的專家貢獻度評價方法的流程36-37
• 3.2.2 專家與用戶之間的結構網絡37
• 3.3 知識社區(qū)中專家專業(yè)領域的主題挖掘37-40
• 3.4 本章小結40-41
• 第4章 基于專業(yè)領域滲透度的專家貢獻度計算方法41-49
• 4.1 計算專家在專業(yè)領域的初始分數(shù)41
• 4.2 計算專業(yè)領域間的相似度41-42
• 4.3 計算專家的專業(yè)領域滲透度42-43
• 4.4 綜合計算專家的知識社區(qū)貢獻度43-44
• 4.5 實驗結果設計和分析44-45
• 4.5.1 實驗語料數(shù)據準備44
• 4.5.2 對照比較實驗44-45
• 4.6 實驗分析與總結45-47
• 4.7 本章小結47-49
• 第5章 基于改進的PageRank算法的專家貢獻度排名49-59
• 5.1 基于改進的PageRank算法的專家貢獻度排名問題的描述49-50
• 5.2 基于專家行為的貢獻度評價指標50-52
• 5.2.1 專家的活躍度51-52
• 5.2.2 專家的受歡迎度52
• 5.2.3 專家的知識貢獻能力52
• 5.3 基于改進的PageRank的Expert Contribution Rank算法52-55
• 5.4 實驗結果設計和分析55-58
• 5.4.1 實驗語料數(shù)據準備55
• 5.4.2 實驗結果及分析55-58
• 5.5 本章小結58-59
• 總結與展望59-61
• 參考文獻61-65
• 攻讀碩士學位期間發(fā)表的學術論文65-67
• 致謝67

【參考文獻】

中國期刊全文數(shù)據庫 前2條

1 胡衛(wèi)軍;劉文;陳傳波;陳長雄;;融入鏈接相關度策略的PageRank算法[J];華中科技大學學報(自然科學版);2007年08期

2 喻依;甘若迅;樊鎖海;劉慶;邵晴;;基于PageRank算法和HITS算法的期刊評價研究[J];計算機科學;2014年S1期

中國博士學位論文全文數(shù)據庫 前2條

1 吳繼蘭;企業(yè)員工知識貢獻評價研究[D];同濟大學;2006年

2 王寶勛;面向網絡社區(qū)問答對的語義挖掘研究[D];哈爾濱工業(yè)大學;2013年

中國碩士學位論文全文數(shù)據庫 前2條

1 李清;自動問答系統(tǒng)的研究與實現(xiàn)[D];安徽大學;2012年

2 劉曉鳴;社區(qū)問答系統(tǒng)中的專家發(fā)現(xiàn)方法研究[D];大連理工大學;2013年

  本文關鍵詞：知識社區(qū)中專家貢獻度評價方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：506852